共 1 篇相关内容
视觉语言模型在大规模图文预训练中积累了物体识别、空间理解和指令处理能力。前沿模型开始展现机器人操作能力,但不少视觉—语言—动作模型(VLA)的视觉语言主干仍然较小。 大模型从图文数据中学到的表征,能否转化成更省示范、更适合精细操作的机器人策…